• 引-向量化表示數(shù)據(jù)
• 是什么：比如用（體型大小，毛發(fā)長(zhǎng)短，鼻子長(zhǎng)短）來(lái)表示狗這個(gè)對(duì)象這樣，可以區(qū)分出不同種類的狗狗；如果有些種類難以區(qū)分，還可以繼續(xù)擴(kuò)充向量的維度。世界萬(wàn)物都可以用這種方法表達(dá)。

• 為什么：不僅僅能用于表示和區(qū)分事物，用向量表示事物還有很多美妙的特性，比如概念更接近的事物會(huì)更近，比如在向量表示后 警察 - 小偷 的結(jié)果與 貓 - 老鼠 的結(jié)果相近。

• 怎么用：已經(jīng)有很廣泛的應(yīng)用了，比如把圖片進(jìn)行向量化，就可以根據(jù)搜索相似的向量實(shí)現(xiàn)“以圖搜圖”的功能；類似的把視頻或商品進(jìn)行向量化，也可以實(shí)現(xiàn)相關(guān)推薦的功能；
• 向量化的思路，在自然語(yǔ)言領(lǐng)域的應(yīng)用取得了不錯(cuò)的成績(jī)，比如相關(guān)答案的推薦，【詞向量】技術(shù)的使用，也有人使用該方法讓ChatGPT可以處理更長(zhǎng)的上下文。
• 隨著向量化方法表示數(shù)據(jù)大量的應(yīng)用，傳統(tǒng)數(shù)據(jù)庫(kù)已經(jīng)不太適用，所以最近幾年人們開始設(shè)計(jì)專門的向量數(shù)據(jù)庫(kù)
• 向量數(shù)據(jù)庫(kù)：與傳統(tǒng)數(shù)據(jù)庫(kù)的區(qū)別：存儲(chǔ)的是向量數(shù)據(jù)，查詢操作是找相似的向量。
• 如何搜索相似向量（最近鄰搜索算法）？判斷相似的依據(jù)可以是 向量夾角的大小 或 向量間的歐氏距離。
• 暴力算法：優(yōu)點(diǎn)是搜索質(zhì)量是完美的，缺點(diǎn)是耗時(shí)；如果數(shù)據(jù)集小，搜索時(shí)間可以接受，那可以用。
• 優(yōu)化思路：縮小搜索范圍，比如用【聚類算法】（比如k-means），【哈希算法】（位置敏感哈希）等，但不能不能保證是最近鄰的（除了暴搜能保證，其他都不能保證）
• k-means：1 隨機(jī)生成四個(gè)點(diǎn)，作為初始的聚類中心點(diǎn)，然后根據(jù)與中心點(diǎn)距離的遠(yuǎn)近進(jìn)行分類；2 計(jì)算已有分類的平均點(diǎn)，該平均點(diǎn)作為中心點(diǎn)繼續(xù)分類，然后不斷重復(fù)

• 哈希碰撞：由于輸入是固定長(zhǎng)度的數(shù)據(jù)，而輸出是固定長(zhǎng)度的哈希值，根據(jù)鴿巢原理，必然會(huì)出現(xiàn)數(shù)據(jù)不同而哈希值相同的情況，這叫碰撞。
• 正常而言，哈希算法要盡可能減少碰撞的發(fā)生，而（對(duì)向量）位置敏感哈希函數(shù)-LSH則相反，盡可能讓位置相近的數(shù)據(jù)發(fā)生碰撞，然后根據(jù)哈希碰撞來(lái)進(jìn)行分組，構(gòu)建方法：隨機(jī)劃出直線分割平面，兩面的點(diǎn)分別增加意味0或1來(lái)表示

--------------------------------

該筆記已整合入個(gè)人知識(shí)體系，詳見 [資料](http://wangc.site/cbrain/share?nodeid=c15cca7dcd8d0e71)